62
Имя устройства и\или его IP-адрес
Объект
Временная метка
Критичность
Статус
В зависимости от критичности, события раскрашены по цветам.
Критичность события определяется, в зависимости от установленных
пороговых значений. Закрываясь, событие удаляет раскраску. Критичность
события может переходить из одного состояния в другой, в одном событии
(например, Minor в Major), если это событие не еще не было закрыто.
Статус события, показывает состояние события. Событие может быть
закрыто системой автоматически после прихода показателей в норму, либо
вручную оператором.
В событие есть временная метка начала инцидента. Так же можно
посмотреть время начала и закрытия инцидента в информационной панели
Модель расчета доступности описывает владелец сервиса. Описывается
объекты системы, которые отвечают за работоспособность сервиса, время
подсчета доступности, вес каждого объекта (степень влияния данного объекта
на систему, с учетом всех объектов). Далее все объекты переводятся в
машинный язык (оператор мониторинга видит объекты, как события в консоли
системы мониторинга) и описываются в консоли SLO.
Принципы формирования показателей SLO на основе данных
мониторинга:
Агрегация данных (событий о сбоях) производится ежесуточно.
При агрегации учитываются:
Общее количество измерений за прошедшие сутки, количество
успешных и неуспешных (не соответствующих критериям)
измерений, допустимая длительность отклонений от нормы
Тип метрики (доступность, производительность и пр.), объект.
63
Итоговый показатель SLO формируется на основе следующих
параметров:
Тип показателя (производительность, доступность и т.д.),
Набор объектов, обладающих данным показателем,
Условие несоблюдения,
Веса,
Время подсчета.
Пример составления отчета в зависимости от трех типа показателей:
логическая доступность
производительность
техническая доступность
Логическая доступность – считается доступность приложения для
пользователей. Разработана бизнес транзакция, которая делает действия
аналогичные пользователю, т.е. заходит в систему, формирует документ с
использованием различных справочников, проводит документ и т.д. На каждом
этапе фиксируется выполнения транзакции, и если на каком-то этапе
произойдет сбой, то оператор мониторинга увидит событие консоли.
Производительность – по аналогии с логической доступности, по
каждой транзакции идет подсчет времени выполнения. Если происходит
превышение, согласованного порогового значения по времени, то начинается
отсчет простоя.
Техническая доступность считается доступность серверов, участвующих
в работе приложения. Недоступность каждого из серверов в равной доле влечет
к недоступности сервиса.
На данном уровне ведется подсчет доступности по каждому типу
показателя (производительность, логическая доступность, техническая
доступность) в описанной модели SLO.
Полученные цифры, рассчитанные по SLO за отчетный период,
выгружается в Exсel, в виде сводных данных и параметров вычисления.
Сводные данные показывают доступность по типам показателей, за отчетный
64
период. Параметры вычисления выгружаются для дальнейшего анализа
доступности по каждому объекту.
с учетом полученных цифр, по каждому типу показателей
(производительность, доступность и т.д.), в файле Excel считается
общий показатель доступность сервиса в текущем отчетном
периоде, и накопленный показатель доступности с начала года.
Например, текущая доступность считается путем перемножения
показателей технической доступности, логической доступности и
производительности Рисунок 7.
Рисунок 7. Расчет комплексного показателя доступности
Источник: выполнено автором
Итоговые значения, рассчитываемые еженедельно, могут отличаться в
большую сторону, т.к. иногда не учитываются технологические перерывы в
работе контролируемых систем.
Для получения конечных цифр в отчете Excel:
производится перерасчет данных с учетом периодов плановой
недоступности;
производится подсчет данных за необходимый период.
По каждой из метрик (объекту) в консоли SLO, входящих в показатель,
можно увидеть историю в виде графиков и выгрузить отчет, в разбивке по
времени выполнения, в Excel.
Доступность сервиса подсчитывается путем перемножения показателей
доступности сервиса, полученного из консоли SLO системы мониторинга на
показатель доступности доступность инфраструктуры
65
Применяемая методика позволяет бизнес-подразделениям оценить
качество и доступность предоставляемых услуг клиентам организации. Однако
не лишена недостатков. Так контроль конченой услуги должен быть более
понятен и включать оценку влияния доступности услуги для конечного
пользователя, поскольку именно конечные пользователи, взаимодействующие и
использующие услуги (например, дистанционные банковские сервисы)
приносят прибыль организации, тоже самое можно сказать и о внутренних
клиентах банка, например, в отделениях, от работы с приложениями которых
зависит возможность обслуживания клиентов. Ненужно забывать, что
инструментарий без построенного процесса вовлечения бизнес-подразделений
в работу ИТ будет давать меньший результат.
Так внедрение в компанию современных проактивных средств
мониторинга пользовательской активности REM – (Real User Monitoring),
систем мониторинга класса APM (application performance monitoring) -
искусственный интеллект AI которого может за считанные минуты провести
анализ 10–ки тысяч атематических корреляция всех событий и нарушения
производительности приложений и указать на коневую причину проблем
неработоспособности приложения, количества сбоем затронутых
пользователей, что экономит время ИТ на поиск, локализацию и устранение
проблем. А включение синтетического мониторинга контроля приложений
быстрее производящие однотипные действия пользователей при работе с
сервисами, услугами и программным обеспечением банка своевременно
произведут оповещение дежурных служб о выявлении причин в работе
клиентского ПО даже в период неактивности пользователей, что позволит
проактивно до взаимодействия клиентов с услугой, устранить проблемы в
работе сервиса и снизит возможные репетиционные риски.
Таким образом учет качества работы сервисы в компании не должно
ограничиваться лишь статистической отчетностью работы сервиса, необходимо
внедрение комплексных проактивных средств online- контроля качества работы
как в целом приложения, так и мониторинга пользовательского опыта работы с
66
приложением для своевременного отслеживания возможных деградаций и
ошибок.
Выводы по главе 2
Анализ деятельности АО «Банк Русский Стандарт» показал, что
несмотря на улучшающиеся экономические показатели работы организации, до
сих пор позиции компании нестабильны, существую риски нарушений
деятельности организации, которые могут негативно сказаться на интересы
клиентов и кредиторов. Устранение предполагает осуществление мер со
стороны органов управления и акционеров (участников) банка.
В компании до сих пор слабо развиты органические методы управления,
несмотря на наметившуюся тенденцию перехода в сторону адаптивных и
современных подходов управления. В этой связи ИТ нуждается в дальнейшей
скорейшей трансформации.
Средства контроля и мониторинга услуг банка и контроль конченой
услуг компании должен быть более понятен и включать оценку влияния
доступности не только инфраструктурных показателей работы систем, но и
контроль качества и доступности услуг для конечного пользователя, поскольку
именно конечные пользователи, взаимодействующие и использующие услуги
(например дистанционные банковские сервисы) приносят прибыль
организации, тоже самое можно сказать и о внутренних клиентах банка,
например в отделениях, от работы с приложениями которых зависит
возможность обслуживания клиентов
67
Глава 3. Направления совершенствования деятельности
ИТ-подразделения современной компании
3.1. Преимущества перехода от реактивной к проактивной модели
предоставления ИТ-услуг
Высокая стоимость ИТ-систем организаций и значительные потери от
незапланированных простоев, вызванных сбоями в подобных системах,
обуславливают актуальность поиска новых подходов к мониторингу. Наиболее
совершенным является проактивный подход к мониторингу, который
направлен не только на регулярную проверку состояния объектов мониторинга
и реагирование на инциденты, но и на прогнозирование возможных аварийных
ситуаций на ранней стадии. Данная статья направлена на исследование моделей
и методов проактивного мониторинга ИТ-систем [25]
Основная задача проактивного мониторинга сводится к задаче
прогнозирования временных рядов с учетом внешних факторов. Для раскрытия
исследуемого процесса рассмотрена классификация моделей прогнозирования
временных рядов и произведен обзор современных работ, посвященных
моделям и методам прогнозирования работоспособности различных
компонентов ИТ-инфраструктуры. Проведенный анализ показал, что не
существует обобщенной модели, позволяющей решать любую поставленную
задачу прогнозирования состояния ИТ-систем. Процесс реализации модели и
соответствующего метода должен базироваться на возможностях выбранных
классов моделей и требованиях к решению задачи. В процессе обзора
сформулирован ряд предложений, которые позволят повысить эффективность
проактивного мониторинга и качество модели прогнозирования. Проведение
комплексного мониторинга компонентов ИТ-системы позволяет
проанализировать корневые причины, которые приводят к неработоспособному
состоянию системы. Для корректного выявления пороговых значений
работоспособного состояния объектов необходимо использовать
«динамические пороги». Прогнозирование состояния объектов мониторинга на
68
несколько шагов вперед является актуальным вопросом для распределенной
ИТ-системы. В настоящее время практически все современные организации для
автоматизации выполнения бизнес-процессов или процессов деятельности
используют информационные технологии (ИТ) различной сложности, которые
разворачиваются на основе ИТ-системы, включающей в себя разнообразные
информационные и телекоммуникационные ресурсы. Высокая стоимость ИТ-
систем и значительные потери от простоев, вызванных сбоями в ИТ-системах,
обуславливают актуальность повышения надежности функционирования ИТ-
инфраструктуры предприятия. Для обеспечения работоспособности ИТ-
системы применяются различные автоматизированные системы мониторинга,
заключающиеся в постоянном наблюдении и периодическом анализе объектов
системы, с отслеживанием динамики происходящих с ними изменений. В
мониторинге состояния ИТ-систем различают два подхода к обнаружению и
управлению изменениями – реактивный и проактивный.
Системы реактивного мониторинга позволяют определять только часть
проблем в сложных ИТ-системах, испытывая затруднения при анализе
функционирования сложных распределенных приложений. При этом
диагностика и локализация ошибок в ИТ-системах производится после
обнаружения неполадок, так же, как и определяются только проблемы, уже
существующие в аппаратном или программном обеспечении. Более
совершенными являются средства проактивного мониторинга, которые не
только обеспечивают дистанционный мониторинг в режиме реального времени,
регулярные проверки исправности компонентов ИТ-системы, но и позволяют
прогнозировать критические состояния системы и на ранней стадии, а также
генерировать предупреждения об ошибках, для того, чтобы предотвратить
возникновение отказов в работе ИТ-системы. Такой мониторинг позволяет
анализировать работоспособность распределенных многоуровневых
приложений. Главным отличием этих систем от реактивных является
понимание логики распределенных приложений, а также способность
предсказывать на основе анализа накопленных данных возможные сценарии
69
развития текущей ситуации Рисунок 8. За счет этого системы проактивного
мониторинга могут выявлять и предсказать гораздо больше проблем в ИТ-
системе, что позволяет устранять неполадки еще на этапе их зарождения и
развития. Системы такого типа позволяют не только выявить конкретный
некорректно работающий в данный момент аппаратный или программный
элемент ИТ-системы, но и предсказать возможность отказа этого элемента в
будущем, за счет чего обеспечивается более стабильная работа ИТ-системы, и
минимизируются издержки, вызванные с ее простоем.
Рисунок 8. Время и влияния проблем при реактивном и
проактивном контроле
Источник: разработано автором на основе [38]
В процессе мониторинга объектов ИТ-систем значения контролируемых
параметров регистрируются через определенные промежутки времени и
образуют систему взаимосвязанных временных рядов. Фиксируемые параметры
описываются выбранной математической моделью, используемой в
дальнейшем для прогнозирования значений соответствующих характеристик.
Обработанные данные сравниваются с заложенными пороговыми значениями
метрик, и производится статистический анализ, корреляция и классификация
полученных данных исходя из заданной модели. Использование статичных
пороговых значений для метрик не является корректным. К примеру, для одних
70
объектов мониторинга одинакового типа такая метрика, как загрузка
центрального процессора на 85% процентов будет считаться нормальным
состоянием работы, а для других аварийным. Аналогию можно провести со
временем замера значений метрик. Исходя из бизнеса–процессов многих
организаций, 85% используемой физической памяти сервера в дневное время
может считаться нормальным состоянием, тогда как в ночное время
использование такого количества памяти является критической ситуацией.
Исходя из этого, система проактивного мониторинга должна уметь
анализировать исторические данные, изучать поведение объектов и на
основании этого строить так называемые «динамические пороги» для каждого
отдельного объекта мониторинга. То есть система мониторинга должна
«обучаться» и понимать, что является нормальным подведением объекта, а что
сигнализирует об аварии.
Одним основных продуктов для проактивного мониторинга на
сегодняшний день являются программы класса Apllication Performance
Monitoring APM (контроль производительности приложения) и Real User
Monitoring (контроль пользовательского опыта). Одной из задач компании
стало внедрение такого продукта. Рассмотрим преимущество для бизнеса при
внедрения данного продукта.
APM – это новое поколение средств ИТ-мониторинга, которые
обеспечивают объективное отслеживание и управление доступностью и
производительностью бизнес-приложений, а также ИТ-сервисов.
Многие из бизнес-приложений, которые поддерживает ИТ в
организации являются жизненно важными для благополучного существования
глобальной экономики. Системы этих компаний должны быть постоянно
доступными, производительными и безопасными, одновременно поддерживая
финансовый рынок и генерируя доход своим акционерам. Цифровые услуги на
текущий момент становятся основной платформой предоставления финансовых
сервисов и как результат – инструментом доходности компании.
71
Рассмотрим три фактора, влияющих на доходность этих сервисов,
связанные с ними бизнес-риски, и то, как системы класса APM помогает ими
управлять.
1. Производительность приложений = удовлетворенность клиентов. Для
любого бизнеса потеря клиента – это всегда потеря, независимо от
обстоятельств. А терять клиента по причине плохой производительности и
нестабильности приложения просто недопустимо! Ведь это то, чем можно и
нужно управлять.
Восполнить эту потерю всегда очень дорого и сложно. Ведь не для кого
не секрет, что вернуть утраченное доверие сложнее, чем его завоевать в первый
раз. Очень показательны выводы одной из ведущих фирм в сфере
управленческого консалтинга Bain & Company:
как правило, на протяжении 5 лет клиентская база финансовой
компании обновляется на 50%
привлечение нового клиента в 6 или 7 раз дороже, чем сохранение
имеющегося клиента
бизнесы, которые увеличили процент удержания клиентов всего на
5%, отмечают рост доходов от 5% до 95%.
Из вышесказанного можно сделать вывод, что удержание клиентов это
один из ключевых факторов роста доходов и прибыльности компании.
А чтобы удержать клиента требуется высокий уровень обслуживания.
На сегодняшний день – это доступность и скорость работы бизнес-приложений.
Решения APM способны отслеживать все операции пользователей в
бизнес-приложениях, автоматически идентифицировать возникающие
проблемы и уведомлять о них ИТ, а нередко даже самостоятельно их устранять
Рисунок 9.
2. Лояльность Клиентов = Рост Доходов. Улучшение производительности
бизнес-приложений ведет к повышению лояльности клиентов. Существуют
метрики вычисление индекса пользовательского опыта APDEX реализовано по
рекомендациям альянса APDEX (www.apdex.org) – сообщества организаций,